Halucinace, falešné atribuce a meze obrany.
Vedle ekonomických dopadů generativní AI čelí média také riziku reputačních a faktických škod. Část vydavatelů reagovala technickou blokací robotů nebo omezením přístupu k obsahu. Tato obrana však má vedlejší náklady a sama o sobě neřeší hlavní problém: AI systémy mohou nepřesně shrnovat, vytrhávat z kontextu a přisuzovat médiím tvrzení, která nikdy nepublikovala.
Technická obrana má vedlejší náklady
Mnoho vydavatelů začalo chránit své články úpravou souboru robots.txt, tedy omezením přístupu
některých automatizovaných systémů k obsahu. Logika tohoto kroku je srozumitelná: zabránit využívání
redakční práce bez souhlasu vydavatele. Dostupná data však naznačují, že plošná blokace může mít
i negativní důsledky pro viditelnost média.
Working paper Zhaoa a Bermana ukazuje, že u velkých webů vedlo zablokování botů k poklesu celkové návštěvnosti i návštěvnosti od lidských uživatelů. Autoři to vysvětlují tím, že médium po omezení přístupu ztrácí část citovanosti v nových odpovídacích rozhraních a tím i část sekundární viditelnosti (zhao-berman-2025). Jde o pracovní studii, nikoli o definitivní důkaz. Přesto dobře ukazuje strategické dilema: technická obrana proti těžbě dat nemusí automaticky chránit distribuci ani reputaci.
Problém nejsou jen halucinace, ale i způsob zdrojování
Nejsilnější empirickou oporu má v této kapitole studie BBC a EBU, jejíž autory jsou Fletcher a Verckist a do níž se zapojil i Český rozhlas. Testování více než 2 700 odpovědí čtyř hlavních AI asistentů našlo závažné zkreslení zhruba ve 45 procentech odpovědí a ukázalo, že pro média nejsou nejrizikovější jen prosté věcné chyby. Závažná jsou i strukturální selhání ve zdrojování: falešné citace, zaměněné autorství, vkládání vlastních hodnotících soudů do odpovědi nebo odkazy, které pouze předstírají přesnost (fletcher-verckist-2025).
Tyto chyby lze rozlišit do čtyř typů:
- věcná chyba, kdy model uvede nesprávný údaj nebo zastaralý fakt,
- ztráta kontextu, kdy AI zjednoduší nebo posune význam původního sdělení,
- falešná atribuce, kdy model médiu nebo autorovi připíše tvrzení, které nikdy nevyslovili,
- ceremoniální citace, kdy odpověď vypadá zdrojovaně, ale odkazovaný článek generované tvrzení ve skutečnosti nepodporuje.
Poslední dva mechanismy jsou pro média zvlášť citlivé. Nejde už jen o technologickou nepřesnost, ale o zásah do důvěryhodnosti konkrétní značky.
Falešné atribuce představují přímé reputační riziko
Studie BBC/EBU ukazuje, že modely mohou směšovat fakta, citace a názory způsobem, který poškozuje vnímání nestrannosti médií. V některých případech AI připisovala veřejnoprávním médiím aktivistické nebo hodnotící postoje, které v původním textu nebyly. Jinde si naopak vymýšlela přímé citace nebo odkazovala na reálně existující článek, jenž však příslušné tvrzení vůbec neobsahoval (fletcher-verckist-2025).
To je rozdíl oproti běžné chybě v odpovědi chatbota. Pokud AI uvede chybnou informaci bez zdroje, uživatel může chybu připsat stroji. Pokud tentýž výrok falešně opře o důvěryhodné médium, přenáší se část reputačního nákladu právě na tuto značku. Dotazníková data citovaná ve studii naznačují, že část publika má tendenci přenášet vinu za chybu AI i na citovaný zdroj. Nejde o dlouhodobě změřený propad důvěry, ale o doložené reputační riziko, které vzniká už samotným mechanismem falešné atribuce.
Právní odpovědnost se poprvé přesouvá na platformu
Reputační riziko falešné atribuce přestává být jen teoretické. V červnu 2026 mnichovský soud rozhodl, že Google je právně odpovědný za nepravdivá tvrzení ve svých AI Overviews, a označil je za „vlastní obsah Googlu”, nikoli za pouhé zobrazení cizího webu. Žalobu podali dva němečtí vydavatelé, které AI souhrny falešně spojily s podvodnými praktikami, tedy přesně ten typ falešné atribuce, který tato kapitola popisuje. Google se odvolává s argumentem, že jde o úzké a ojedinělé chyby a většina výstupů je přesná (foo-2026).
Jde zatím o jediný prvostupňový rozsudek pod odvoláním, jurisdikčně omezený na Německo, takže z něj nelze dělat ustálený precedent. Význam má ale v jednom ohledu: poprvé je část odpovědnosti za chybu přiřčena platformě, která odpověď vygenerovala, nikoli pouze značce, jež byla falešně ocitována. Pokud by tento výklad obstál i u vyšších soudů, posunul by debatu o falešných atribucích z roviny reputační škody do roviny přímé právní odpovědnosti vývojářů AI.
Nepřesnost je širší problém než jen u zpravodajství
Podobné mechanismy se objevují i mimo oblast zpráv. Peters a Chin-Yee ukázali, že některé modely mají při shrnování vědeckých textů sklon k nadsazování tvrzení a k nepřesným zobecněním častěji než lidští autoři (peters-chin-yee-2025). Další analýzy upozorňují na problém neexistujících nebo chybných zdrojů v odpovědích, které pouze vytvářejí dojem důvěryhodného doložení (noreika-2026; zuccon-2023).
Pro zpravodajství je však problém citlivější než v jiných oblastech. Média svou legitimitu stavějí na tom, že výrok lze přiřadit konkrétnímu zdroji, kontextu a odpovědnosti. Když AI tento řetězec naruší, poškozuje samotný mechanismus důvěry.
Česká scéna: chytrá obrana a konkrétní selhání
V domácím prostředí se ukazuje, že úplné uzamykání webů nemusí být nejúčinnější strategií. Asociace online vydavatelů doporučila svým členům spíše diferencovaný přístup: blokovat roboty určené pro stahování tréninkových dat, ale pečlivě zvažovat, zda nechat otevřený přístup systémům, které ovlivňují citovanost a vyhledávací viditelnost (aov-2025).
Český trh se zároveň už setkal i s konkrétními reputačními selháními. Český rozhlas v rámci testování EBU doložil případy, kdy AI systémy používaly problematické zdroje z českého informačního prostoru nebo šířily věcně nepravdivá tvrzení, například o právním statusu náhradního mateřství (cesky-rozhlas-2025). Tyto příklady ukazují, že nejde jen o zahraniční problém nebo o anglofonní prostředí.
Česká perspektiva: Jan Cibulka a minimální hranice spolehlivosti
Debata NFNZ v pražském Operu doplnila tato zjištění o konkrétní redakční zkušenost. Jan Cibulka z Českého rozhlasu zde upozornil, že zpravodajství nemůže hodnotit AI podle jejího maximálního potenciálu, ale podle minimální garantované spolehlivosti v běžném provozu. U tvrdého zpravodajství může i zdánlivě malá chyba, například vypuštěný zápor nebo ztracený kontext výroku, zásadně změnit význam sdělení.
Tato zkušenost vysvětluje, proč jsou pro seriózní redakce tak nebezpečné právě falešné atribuce a významové posuny. Nejde jen o technickou nepřesnost, ale o zásah do základního vztahu mezi médiem a publikem, který stojí na předpokladu, že zveřejněné tvrzení lze dohledat, ověřit a přiřadit konkrétnímu zdroji a odpovědnosti.
Pokračovat: Exo-žurnalistika → · zpět na úvod reportu